江小涓：AI替代就业，人文社科研究应关注“出局者”而非“赢家”
腾讯研究院（搜狐同步）
查看来源原文本期 3 件事。点击标题可查看卡片、来源与相关知识点。
传统深度学习在计算机视觉和自然语言处理中处理有限维向量（如像素、词嵌入），而许多科学问题（如偏微分方程控制的现象）本质上是无限维函数空间之间的映射，这一不匹配限制了常规神经网络在科学领域的应用。本文旨在识别并提炼构建实用神经架构以处理函数空间映射的关键原则。
nature.com
查看来源原文EviAnn通过强数据驱动的证据利用（转录本比对与蛋白质同源性），在真核生物基因组注释中取得了比现有主流工具（如BRAKER3、MAKER2、FINDER）更高的准确性和更低的计算时间开销，哺乳动物基因组可在单台多核服务器上一小时内完成注释。
**背景**：长期以来，基于机器学习的ab initio基因查找器是真核基因组注释的核心，因为基因表达数据历史上昂贵且有限。现代测序技术已改变这一格局，转录证据变得丰富可靠，来自众多已注释基因组的蛋白质也提供了丰富的证据来源。 **问题**：现有注释工具对上述丰富数据利用不足。 **方法**：开发EviAnn（Evidence-based Annotato…
nature.com
查看来源原文